感应激励红外热像无损检测及其在裂纹检测中的应用

从试验和仿真计算两方面对感应激励红外热像无损检测及其在裂纹检测中的应用进行研究。首先采用有限元仿真软件COMSOL对感应涡流及其分布进行建模和分析,在此基础上,构建感应激励红外热像检测系统,对实际铁磁性薄板的边缘裂纹进行检测试验,证明了感应激励红外热像方法在裂纹检测中的效果及其优势。     

复合材料序列热图无损检测

应用序列脉冲激光热加载的红外热成象技术对复合材料进行无损检测,扫描式测量给出复合材料表面时间序列热图象,实验与理论计算结果表明,序列热图象无损检测复合材料非常有效。     

无人机导航场景中立体匹配算法研究

针对现有立体匹配算法难以兼顾无人机导航场景中匹配精度和幅度失真的鲁棒性,提出了一种基于改进Census变换的立体匹配算法。根据图像结构和色彩信息获得基于十字骨架的任意形状和大小的Census变换窗口,并利用改进Census变换的Hamming距作为匹配代价,采用局部优化（WTA）和左右一致性校验得到视差结果,获得高精度的视差图。实验表明,该算法不仅能够获得高精度的视差图,更对幅度失真有很强的鲁棒性,能够很好地适用于无人机导航场景。     

基于偏振分束的磁光成像技术研究

针对现有磁光成像技术的测量结果难以量化且受光源波动影响较大的问题,提出了一种基于偏振分束的磁光成像新方法.根据偏振光的琼斯矢量描述方法推导出偏振分束法测量旋光角度的模型,并由此模型分析得出,从旋光物质出射的偏振光经偏振分束装置后输出的平行分量和垂直分量进行“差除和”的结果与入射光强无关,只和旋光角度值相关;由此原理,设计了基于CCD的检测平台,对旋光角度场进行了测量实验,又采用归一化互相关和“差除和”算法对测量图像进行了处理;最后,进行了基于该方法的磁光成像应用实验研究.实验结果表明,与传统磁场成像方法相比,该方法操作简单,结果易于量化,不受光强波动影响,误差降低约3倍,且稳定性较好.     

Z-pin增强复合材料层合板缺陷的红外检测技术研究

针对Z-pin增强碳纤维复合材料层合板在制造中产生的典型缺陷,本文在分析其对温度场的作用的基础上,研究了Z-pin结构中缺陷热特征提取的方法。用有限元法分析了不同尺寸Z-pin植入后产生的富树脂区缺陷、不同深度的Z-pin断裂缺损缺陷、不同角度的Z-pin倾斜缺陷与可检测信息参数之间的关系,对富树脂区缺陷的检测进行了实验验证。研究结果表明:最大温差与最大对比度随着富树脂区面积的增大而增大,随着Z-pin缺损深度的增大而减小,随着Z-pin倾斜角度的增大而增大,增大或减小的程度均呈非线性关系;红外热像实验与仿真结果一致。研究结果为Z-pin增强复合材料层合板缺陷与损伤的红外热像检测与评估提供了理论依据与技术支持。     

基于形状内容描述子的点特征匹配

针对两幅图像中特征点的匹配问题，本文提出了一种新的基于形状内容描述子的点特征匹配方法．该方法首先利用基于曲率尺度空间（CSS）的角点检测技术获得两幅图像中的角点及其所在的曲线；然后，计算两幅图像中每个角点的形状内容描述子，运用Z统计检验函数得到描述子的匹配度，对该匹配度进行评估，如果高于某一个闽值，则认为初始匹配成功；最后对初始匹配成功的点对，利用半局域限制完成点集之间的最终匹配。实验结果表明，本文所提出的匹配算法具有较高的点特征匹配准确率。     

基于视频处理的视线稳定技术

针对既有摄像机运动又有前景物体运动的图像稳定问题,提出了一种快速算法。该算法首先利用改进的 Harries 算子提取特征点,根据三级匹配策略实现特征点的三级匹配,并且利用基于块的去噪声点方法检测出前景区域,剔除存在于前景区域的角点;然后建立当前帧与参考帧的映射关系,利用最小二乘法求解出全局运动参数;最后利用 Kalman 滤波平滑运动参数,依据平滑后的参数对图像进行补偿。     

基于深度学习的燃气PE管道焊缝缺陷检测

为了解决人工与传统数字图像处理方法进行燃气PE管道焊缝缺陷识别时面临的效率低、漏检率高、评片效果不佳等问题,提出了基于深度学习算法的燃气PE管道焊缝缺陷智能检测方法,实现从输入燃气PE管道焊缝DR检测图像到输出缺陷种类及其测量值的精细化测量。首先,在宏观区域层面采用YOLOv5网络预提取缺陷区域,减少与缺陷相似的非目标区域的干扰,并设计了融合坐标注意力机制(CA)与加权双向特征金字塔网络(BiFPN)的CA-BiFPN模块,以提高对小目标缺陷检测能力,其最终的缺陷识别定位平均精确度为95.1%。然后,在微观边界层面采用语义分割算法Deeplabv3+,实现像素级别的缺陷分割,缺陷分割平均像素准确率为91.25%、平均交并比值为85.52%。最后,在几何特征层面采用最小外接矩形法计算其实际尺寸大小,其平均相对误差为5.47%。结果表明该检测方法可实现燃气PE管缺陷高效率、高精度、智能化检测。     

多维健康监测融合数据特征选择

健康监测通常使用大量传感器获取海量的感知数据,由于海量多维数据中存在大量的冗余或干扰,会对监测决策产生负面影响,为此需要对健康监测数据进行特征选择,旨在从数据中剔除多余的和不相关的特征。在现有研究的基础上,提出了特征选择融合方法,该方法通过ReliefF算法进行特征权重计算,并通过LASSO回归模型的计算结果确定特征权重阈值,进行特征初选,降低特征空间的稀疏性,然后利用灰色关联度的属性约简算法来消除冗余,从而获得最优特征子集。在实际多维感知数据集上进行测试,证明该模型可筛选出与目标参量相关性高的特征,降低回归运算的时间,提高回归模型的拟合精度。     

基于PCA和不变矩的三维物体识别算法研究

在计算机视觉问题的研究中,针对基于矩的目标识别算法实时性不高的问题,本文分析主分量分析法(PCA)在目标快速识别算法中的应用,提出基于Jan Flusser仿射不变矩和PCA融合的快速识别方法,即利用PCA在Jan Flusser仿射不变矩的特征空间中进行优化降维,减少了计算量,然后利用一些主流的识别算法对该方法的实时性和准确性进行验证研究。在MatLab平台下的仿真结果表明:本文方法的实时性在欧式距离上提高了23.68%,在概率神经网络上提高了8.7%,在支持向量机上提高了21.01%,准确性只有少量的降低,不改变识别算法的过程,且适合三维物体小角度变化下的识别。